[发明专利]一种基于多层结构的细胞分割方法、装置及电子设备

权利要求书

1.一种基于多层结构的细胞分割方法，其特征在于，所述方法包括：

获取待分割的细胞图像；

预处理所述细胞图像，得到预处理后图像；

采用分水岭算法和改进的GVF Snake模型对所述预处理后图像进行粗分割，得到所述细胞粗轮廓；

采用凸包检测、角点检测与椭圆拟合相结合对所述细胞粗轮廓进行细胞精细分割，得到细胞轮廓。

2.根据权利要求1所述的方法，其特征在于，所述预处理所述细胞图像，得到预处理后图像，包括：

根据小波变换的去噪算法，对所述细胞图像进行去噪处理，得到去噪图像；

基于所述去噪图像提取细胞核特征；

基于决策树方法，根据所述细胞核特征，得到所述预处理后图像。

3.根据权利要求1所述的方法，其特征在于，所述分水岭算法包括：

对所述预处理后图像进行二值化操作，得到二值化图像；

中值滤波器对所述二值化图像滤除噪声，得到去噪二值化图像；

腐蚀、膨胀算法对所述去噪二值化图像进行前景、背景标注，得到腐蚀膨胀图像；

获取所述腐蚀膨胀图像的所有像素点的灰度值；

从所有像素点的灰度值中找出最小灰度值；

从最小灰度值和预设阈值中选取较小的作为初始阈值；

将所述初始阈值与相邻像素点中的灰度值进行比较，将所述相邻像素点中灰度值大于或等于所述预设阈值的像素点标记为边界点；

所述初始阈值按照预设步长进行增长，得到增长阈值，所述增长阈值分别与所述相邻像素点中灰度值进行比较，将所述相邻像素点中灰度值大于或等于所述增长阈值的像素点标记为边界点；

所述增长阈值直至增长至灰度值中的最大值，结束增长，所有边界点构成细胞第一轮廓。

4.根据权利要求3所述的方法，其特征在于，所述改进的GVF Snake模型包括：

泛函定义为：

其中，E_int(v)＝α×v′+β×v″为能量泛函的内部力，α,β分别为轮廓曲线的弹性系数和刚性系数，v′,v″分别表示曲线上单个像素点的斜率和曲率，E_img(v)为图像力，E_con(v)为条件力；

外部力E_ext(v)为：

E_ext(v)＝-|▽[G_σ(x,y)*I(x,y)]|²

其中，G_σ(x,y)为灰度值；I(x,y)为所述分水岭算法后图像的灰度图；

联合求解泛函定义和外部力公式，得到所述细胞粗轮廓。

5.根据权利要求4所述的方法，其特征在于，所述能量泛函的内部力E_int(v)中梯度幅值和相角通过下述改进：

利用高斯函数对图像平滑处理，再使用一阶微分算子对平滑后图像卷积，定位导数最大的像素点位置；计算灰度梯度的幅值和方向，分别获得水平方向和垂直方向的梯度幅值；进行非极大值抑制和改进连接，从而检测出目标边缘；

其中，梯度幅值G(i,j)和相角θ(i,j)分别如下所示：

选取双阈值分割的阈值上限和阈值下限，对所述目标边缘的像素点扫描的过程中，若所述像素点的梯度幅值高于所述阈值上限，则所述像素点为边缘点；若所述像素点的梯度幅值低于所述阈值下限，则所述像素点不是边缘点；对于处于所述阈值上限与所述阈值下限之间的所述像素点，则根据边缘的连通性进行判断。

6.根据权利要求1所述的方法，其特征在于，所述采用凸包检测、角点检测与椭圆拟合相结合对所述细胞粗轮廓进行细胞精细分割，得到细胞轮廓，包括：

采用凸包检测，根据所述细胞粗轮廓，确定第一凹点组；

采用角点检测方法对潜在的凹点进行筛选，补充所述第一凹点组，得到第二凹点组；

根据所述第二凹点组中凹点，将所述细胞粗轮廓分割为若干轮廓段；

采用所述凹点连接所述轮廓段；

将所述轮廓段拟合为椭圆，得到所述细胞轮廓。